研究者提出SPARK持续学习隐私保护方法
热点事件持续更新
研究者提出SPARK持续学习隐私保护方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Shengtao Wen 等在 arXiv 发布论文，提出面向大语言模型持续学习的隐私保护方法 SPARK，核心是把持续学习拆为“保留”与“校正”两步，在学习新任务的同时降低已标注个人身份信息（PII）的生成概率。 具体做法是：先用 Self-Distillation Replay（自蒸馏回放）在学习当前任务时蒸馏先前任务行为并冻结任务后分布；再用 Post-Task Privacy Correction（任务后隐私校正）以该稳定参考为基础，选择性降低已标注 PII 的生成概率，同时锚定当前与旧任务的非 PII 行为，以尽量不损害模型原有的任务能力。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
SPARK：面向 LLM 持续学习的任务后自蒸馏回放方法，解耦知识与隐私报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AISPARK：面向 LLM 持续学习的任务后自蒸馏回放方法，解耦知识与隐私
论文提出 SPARK，将隐私保护持续学习拆分为保留与校正两步：先用 Self-Distillation Replay 在学习当前任务的同时蒸馏先前任务行为并冻结任务后分布，再用 Post-Task Privacy Correction 在稳定参考上选择性降低已标注 PII 的生成概率，同时锚定当前与旧任务的非 PII 行为。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。